基于混隐色特征背景引导融合的伪装效能评估

现有迷彩伪装效能评估方法重点关注目标与背景在颜色、纹理等特征上的相似度,未能从伪装策略角度分析目标边缘和表面的融合程度,无法准确评估复杂环境下目标的伪装效果。本文提出一种基于混隐色特征背景引导融合的伪装效能评估模型,利用多重分形理论和Gabor滤波器估计目标轮廓和表面破坏程度;引入特征拥塞指数计算背景复杂度,通过逻辑斯蒂方程自适应调整评估特征权重,提高模型对环境变化的适应性。实验表明,该模型在Search_2数据集上的搜索时间相关性系数(皮尔逊相关系数、斯皮尔曼相关系数、均方根误差)分别达到0.888、0.773、0.054,在自建CamData数据集上分别达到0.835、0.805、0.126,评估结果与人眼搜索实验结果符合性较高,能够有效表征目标在不同复杂场景下的伪装效能。

基于遗传神经网络的伪装效能评估模型

在量化样本光学特征指标并划分伪装效能等级基础上,采用基于遗传算法的神经网络建立伪装效能评估模型。其步骤包括确定GA算子及相关参数,初始化网络连接权值和阈值向量,计算各个体适应度函数并将其排序,执行遗传操作,最后用神经网络进行二次训练。将样本光学特征指标量化值作为神经网络输入值,量化后的样本等级作为神经网络教师值进行评估。仿真表明该混合算法收敛速度快,能有效避免局部极值问题。

基于混合神经网络的野战仓库伪装效能评估

随着现代高技术的发展及其在军事领域的广泛应用,战场透明度明显增加。在未来战场上,发现即意味着被摧毁。野战仓库的生存也面临前所未有的严重威胁,伪装就成为其提高自身生存能力的有效手段。伪装效果的好坏将直接影响其战场生存力。采用遗传算法改进BP神经网络模型,分析了其基本思路以及具体实施步骤,并运用其对野战仓库伪装效能进行评估。实例表明,该模型能够较好地克服人为因素和模糊随机性的影响,评估结果更为科学可信。

基于相似度的目标可见光谱段伪装效能评估

伪装目标与背景的综合相似度能够衡量伪装目标与周围背景之间的特征差异,综合相似度越高,目标与背景的融合程度越高,目标伪装效能越高。组合使用目标及背景图像的亮度、颜色、纹理、形状、尺寸、结构、直方图等7个典型特征来表征目标伪装特性,采用与其相应的相似度量法得到各个特征相似度,采用熵权法客观确定不同特征指标权重,线性加权得到伪装目标与背景的综合相似度,从而获得量化的目标伪装效能评估结果。不同背景、不同侦察距离、不同目标姿态下的多组实验表明:所提伪装目标与背景的综合相似度具有与目标发现概率一致性、与探测距离一致性、背景鲁棒性,证明了所提方法的正确性和有效性;并通过对比实验验证了该方法的可靠性。